CN113506225A - 图像处理方法、系统、电子设备及存储介质 - Google Patents

图像处理方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN113506225A
CN113506225A CN202110671351.5A CN202110671351A CN113506225A CN 113506225 A CN113506225 A CN 113506225A CN 202110671351 A CN202110671351 A CN 202110671351A CN 113506225 A CN113506225 A CN 113506225A
Authority
CN
China
Prior art keywords
image
target
area
region
target pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110671351.5A
Other languages
English (en)
Inventor
范露
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Spreadtrum Semiconductor Nanjing Co Ltd
Original Assignee
Spreadtrum Semiconductor Nanjing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Spreadtrum Semiconductor Nanjing Co Ltd filed Critical Spreadtrum Semiconductor Nanjing Co Ltd
Priority to CN202110671351.5A priority Critical patent/CN113506225A/zh
Publication of CN113506225A publication Critical patent/CN113506225A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种图像处理方法、系统、电子设备及存储介质，所述图像处理方法包括：在成像区域获取目标对象所在的目标像素区域；增强所述目标像素区域的图像以生成第一图像；根据所述第一图像及第二图像生成目标图像，所述第二图像为所述成像区域中除所述目标像素区域以外的其他像素区域的图像。本发明中，可以在成像区域中提取目标对象所在的目标像素区域，并对目标像素区域的图像进行增强处理，从而使目标对象的亮度值更高、细节也更清晰，同时，保持除所述目标像素区域以外的其他像素区域的图像的成像效果，从而在改善拍摄效果的同时，保证整体图像的显示效果，避免直接处理整张图片而导致的其他区域曝光度过高、图像色彩失真等问题的发生。

Description

图像处理方法、系统、电子设备及存储介质
技术领域
本发明涉及照相摄像领域，特别涉及一种图像处理方法、系统、电子设备及存储介质。
背景技术
随着手机摄像能力的不断增强且具有简单、便携的特点，手机拍摄越来越多的成为人们的日常拍摄中的主要手段。然而在户外拍摄场景中，面对的光照条件比较复杂，如光照条件较强的情况下，极有可能导致背光效果(照片的部分区域较暗)的出现，特别是当户外拍摄主体为人物时，背光往往会导致人物细节无法辨别，极大影响了拍摄效果。
尽管目前有很多图像处理软件，但这些软件一对局部图像进行处理时操作比较繁琐且耗时，并且还可能会出现图像处理效果不够自然的问题。除了局部处理功能，这些软件还提供了一键优化功能。该功能能够直接对整张图像进行处理，提高图片整体亮度可以改善局部亮度不足的问题。处理后的图像虽然对背光区域也进行了提亮、增强，但是同时也导致了光照条件较好的区域过度增强甚至导致图像色彩失真的问题。
发明内容
本发明要解决的技术问题是为了克服现有技术中当在背光的场景进行拍摄时，难以在改善目标对象的显示效果的同时保证整体图片的显示效果的缺陷，提供一种在背光的场景进行拍摄时，能够改善目标对象的显示效果的同时保证整体图片的显示效果的图像处理方法、系统、电子设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供了一种图像处理方法，所述图像处理方法包括以下步骤：
在成像区域获取目标对象所在的目标像素区域；
增强所述目标像素区域的图像以生成第一图像；
根据所述第一图像及第二图像生成目标图像，所述第二图像为所述成像区域中除所述目标像素区域以外的其他像素区域的图像。
较佳地，所述在成像区域获取目标对象所在的目标像素区域的步骤具体包括：
当在成像区域获取到多个像素区域时，将包含像素点最多的像素区域作为目标像素区域。
较佳地，所述根据所述第一图像及第二图像生成目标图像的步骤具体包括：
获取所述第一图像的第一边缘像素区域；
获取所述第二图像中与所述第一边缘像素区域相邻的第二边缘像素区域；
将所述第一边缘像素区域与所述第二边缘像素区域进行亮度均衡处理以生成过渡区域；
根据所述第一图像中除所述第一边缘像素区域以外的区域、所述第二图像中除所述第二边缘像素区域以外的区域及所述过渡区域生成目标像素区域。
较佳地，所述图像处理方法还包括：在接收到背光模式切换指令时，执行所述在成像区域获取目标对象所在的目标像素区域、增强所述目标像素区域的图像以生成第一图像及根据所述第一图像及第二图像生成目标图像的步骤；
或，
所述在成像区域获取目标对象所在的目标像素区域的步骤后还包括：当所述目标像素区域的亮度值低于目标亮度时，执行所述增强所述目标像素区域的图像以生成第一图像的步骤。
较佳地，所述在成像区域获取目标对象所在的目标像素区域的步骤具体包括：通过YOLO(一种图像分类模型)模型在成像区域获取目标对象所在的目标像素区域；和/或，
所述增强所述目标像素区域的图像以生成第一图像的步骤具体包括：通过图像增强算法增强所述目标像素区域的图像以生成第一图像。
本发明还提供了一种图像处理系统，所述图像处理系统包括目标区域获取模块、图像增强模块及目标图像生成模块；
所述目标区域获取模块用于在成像区域获取目标对象所在的目标像素区域；
所述图像增强模块用于增强所述目标像素区域的图像以生成第一图像；
所述图像生成模块用于根据所述第一图像及第二图像生成目标图像，所述第二图像为所述成像区域中除所述目标像素区域以外的其他像素区域的图像。
较佳地，所述目标区域获取模块具体用于当在成像区域获取到多个像素区域时，将包含像素点最多的像素区域作为目标像素区域。
较佳地，所述目标图像生成模块具体包括：第一边缘获取单元、第二边缘获取单元及过渡区域生成单元及目标图像生成单元；
所述第一边缘获取单元用于获取所述第一图像的第一边缘像素区域；
所述第二边缘获取单元用于获取所述第二图像中与所述第一边缘像素区域相邻的第二边缘像素区域；
所述过渡区域生成单元用于将所述第一边缘像素区域与所述第二边缘像素区域进行亮度均衡处理以生成过渡区域；
所述目标图像生成单元用于根据所述第一图像中除所述第一边缘像素区域以外的区域、所述第二图像中除所述第二边缘像素区域以外的区域及所述过渡区域生成目标像素区域。
本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的图像处理方法。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的图像处理方法的步骤。
本发明的积极进步效果在于：本发明中，可以在成像区域中提取目标对象所在的目标像素区域，并对目标像素区域的图像进行增强处理，从而使目标对象的亮度值更高、细节也更清晰，同时，保持除所述目标像素区域以外的其他像素区域的图像的成像效果，从而在改善拍摄效果的同时，保证整体图像的显示效果，避免直接处理整张图片而导致的其他区域曝光度过高、图像色彩失真等问题的发生。
附图说明
图1为本发明实施例1中图像处理方法的流程图。
图2为实施例1中具体场景下的目标像素区域示意图。
图3为实施例1中图像增强算法处理前的图像示意图。
图4为实施例1中图像增强算法处理后的图像示意图。
图5为实施例1中步骤103的具体实施方式的流程图。
图6为本发明实施例2中图像处理系统的模块示意图。
图7为实施例2的目标图像生成模块的具体实施方式的模块示意图。
图8为实施例3中电子设备的模块示意图。
具体实施方式
下面先对本实施例中常出现的一些术语进行解释：
【电子设备的含义】根据本公开各种实施例的电子设备例如可以包括以下至少之一：智能手机、平板个人计算机(PC)、移动电话、视频电话、电子书阅读器、台式PC、膝上PC、上网本、工作站、服务器、个人数字助手(PDA)、便携式多媒体播放器(PMP)、MP3播放器、移动医疗设备、照相机或可穿戴设备(例如，头戴设备(HMD)、电子眼镜、电子衣服、电子手镯、电子项链、电子配件、电子纹身、智能镜子或智能手表)。在其它实施例中，电子设备可以是智能家用电器，例如，电视(TV)、数字视频盘(DVD)播放器、音频组件、电冰箱、空调、吸尘器、烤箱、微波炉、洗碗机、空气净化器、机顶盒、家庭自动控制板、安全控制板、TV盒、游戏台、电子词典、电子钥匙、摄录像机或电子相框。
在其它实施例中，电子设备可以包括以下至少之一：医疗设备(例如移动医疗设备(例如，血糖监视设备、心率监视器、血压监视设备或温度计))、磁共振血管造影(MRA)机器、磁共振成像(MRI)机器、计算机断层摄影(CT)扫描仪或超声器)；导航设备；全球定位系统(GPS)接收机；事件数据记录器(EDR)；飞行数据记录器(FDR)；车内信息娱乐设备；船用电子设备(例如，船舶导航设备和/或回转罗盘)；航空电子设备；安全设备；汽车音响；工业或家庭机器人；金融机构的自动提款机(ATM)；零售商店的销售点(POS)设备；或物联网设备(例如，灯泡、各种传感器、电表、燃气表、洒水车、火警、恒温器、街灯、烤面包机、运动设备、热水瓶、加热器或热水器等)。
在某些实施例中，电子设备可以包括一件家具或建筑/结构、电子板、电子签名接收设备、投影仪以及各种测量仪器(例如，水表、电表、燃气表或波长计)至少之一。
根据本公开各种实施例的电子设备也可以包括以上所提及设备的一个或多个的组合。进一步，根据本公开各种实施例的电子设备不限于以上所提及的设备，这对于本领域技术人员将是显然的。
【用户的含义】这里，术语“用户”可以指示使用电子设备的人或使用电子设备的设备(例如，人工智能电子设备)。
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供了一种图像处理方法，如图1所示，该图像处理方法包括以下步骤：
步骤101、在成像区域获取目标对象所在的目标像素区域。
本实施例中，采用图像分类算法来获取目标对象所在的目标像素区域。在一种具体的实施方式中，通过YOLO模型来获取目标对象所在的目标像素区域从而得到较好的分类效果，具体的，通过将成像区域的成像图像输出至YOLO模型中以得到目标像素区域。
其中，目标对象可以根据实际情况进行选择，如人物、动物(具体的可以为猫、狗、兔子等等)、花(具体的可以为个各个种类的花)等等，根据预先训练的具体需要进行分类的目标对象(如人物)的图像分类算法，可以获取到对应的目标对象所在的目标像素区域。
图2为一具体示例场景下，通过YOLO模型获取目标对象所在目标像素区域，其中，方框圈出来的部分为目标像素区域，该场景下，具体目标对象为人物。
步骤102、增强目标像素区域的图像以生成第一图像。
本实施例中，采用图像增强算法(如Reinex(一种图像增强算法))来增强目标像素区域的图像以生成第一图像，由于图像增强算法可以在动态范围压缩、边缘增强和颜色恒常三个方面达到平衡，因此可以对各种不同类型的图像进行自适应的增强。
图3示出了在一种具体的场景下未经处理过的图片，图4示出了通过图像增强算法处理后的图片，很明显，图4相较于图3色彩、清晰度、亮度等图像显示效果都有了很大的提升。
步骤103、根据第一图像及第二图像生成目标图像，第二图像为成像区域中除目标像素区域以外的其他像素区域的图像。
本实施例中，可以在成像区域中提取目标对象所在的目标像素区域，并对目标像素区域的图像进行增强处理，从而使目标对象的亮度值更高、细节也更清晰，同时，保持除目标像素区域以外的其他像素区域的图像的成像效果，从而在改善拍摄效果的同时，保证整体图像的显示效果，避免直接处理整张图片而导致的其他区域曝光度过高、图像色彩失真等问题的发生。
在一种具体的实施方式中，步骤101具体包括：
当在成像区域获取到多个像素区域时，将包含像素点最多的像素区域作为目标像素区域。
由于一张图像中，可能存在多个目标对象(如一张图像中，出现多个人物)，但往往需要进行拍摄的主体只有一个，为了避免多余的计算影响图像的处理速度，本实施例中，将包含像素点最多的像素区域作为目标像素区域，从而可以节约系统资源、提高图像处理速度。
在一种具体的实施方式中，如图5所示，步骤103具体包括：
步骤1031、获取第一图像的第一边缘像素区域；
步骤1032、获取第二图像中与第一边缘像素区域相邻的第二边缘像素区域；
步骤1033、将第一边缘像素区域与第二边缘像素区域进行亮度均衡处理以生成过渡区域；
步骤1034、根据第一图像中除第一边缘像素区域以外的区域、第二图像中除第二边缘像素区域以外的区域及过渡区域生成目标像素区域。
本实施例中，由于第一图像是经过处理了的图像，而第二图像是未经处理的图像，因此，在第一图像与第二图像的交界处可能会出现图像效果差异过大的情况，因此，本实施例中对交界处，即第一边缘像素区域及第二边缘像素区域进行亮度均衡处理，从而使经过增强处理的区域与未经增强处理的区域的过渡更自然，最终达到改善整张图像显示效果的目的。
在一种具体的场景下，可以在第一图像图第二图像的交界处通过一6像素*6像素的滑动窗口以一定步长进行滑动，将图像增强区域与未处理的区域进行亮度均衡处理。
本实施例中，默认当前的模式为背光模式，以执行上述图像处理方法，而当当前的模式不为背光模式时，可以在接收到背光模式切换指令时，再执行上述图像处理方法。
在其他的实施例中，也可以自动检测背光模式，如，步骤101后还可以进一步包括获取目标像素区域的亮度值的步骤，如果亮度值低于目标亮度值，则说明当前是在背光的场景下进行的图像拍摄，因此可以进一步执行步骤102、103，如果亮度值没有低于目标亮度值，则说明当前不是在背光的场景下进行的图像拍摄，因此可以不进行后续处理。
本实施例中，可以通过用户的指令切换至背光模式以进行图像处理，提高了图像处理的灵活度，也可以通过自动识别背光模式的方式进行图像处理，提高了图像处理的智能性。
实施例2
本实施例提供了一种图像处理系统，如图6所示，图像处理系统包括目标区域获取模块201、图像增强模块202及目标图像生成模块203。
目标区域获取模块201用于在成像区域获取目标对象所在的目标像素区域。
本实施例中，目标区域获取模块201用于采用图像分类算法来获取目标对象所在的目标像素区域。在一种具体的实施方式中，目标区域获取模块201通过YOLO模型来获取目标对象所在的目标像素区域从而得到较好的分类效果，具体的，通过将成像区域的成像图像输出至YOLO模型中以得到目标像素区域。
其中，目标对象可以根据实际情况进行选择，如人物、动物(具体的可以为猫、狗、兔子等等)、花(具体的可以为个各个种类的花)等等，根据预先训练的具体需要进行分类的目标对象(如人物)的图像分类算法，可以获取到对应的目标对象所在的目标像素区域。
图2为一具体示例场景下，目标区域获取模块201通过YOLO模型获取目标对象所在目标像素区域，其中，方框圈出来的部分为目标像素区域，该场景下，具体目标对象为人物。
图像增强模块202用于增强目标像素区域的图像以生成第一图像。
本实施例中，目标区域获取模块201用于采用图像增强算法(如Reinex(一种图像增强算法))来增强目标像素区域的图像以生成第一图像，由于图像增强算法可以在动态范围压缩、边缘增强和颜色恒常三个方面达到平衡，因此可以对各种不同类型的图像进行自适应的增强。
图3示出了在一种具体的场景下未经处理过的图片，图4示出了目标区域获取模块201通过图像增强算法处理后的图片，很明显，图4相较于图3色彩、清晰度、亮度等图像显示效果都有了很大的提升。
图像生成模块用于根据第一图像及第二图像生成目标图像，第二图像为成像区域中除目标像素区域以外的其他像素区域的图像。
本实施例中，目标区域获取模块201可以在成像区域中提取目标对象所在的目标像素区域，图像增强模块202可以对目标像素区域的图像进行增强处理，从而使目标对象的亮度值更高、细节也更清晰，同时，保持除目标像素区域以外的其他像素区域的图像的成像效果，从而在改善拍摄效果的同时，保证整体图像的显示效果，避免直接处理整张图片而导致的其他区域曝光度过高、图像色彩失真等问题的发生。
在一种具体的实施方式中，目标区域获取模块201具体用于当在成像区域获取到多个像素区域时，将包含像素点最多的像素区域作为目标像素区域。
由于一张图像中，可能存在多个目标对象(如一张图像中，出现多个人物)，但往往需要进行拍摄的主体只有一个，为了避免多余的计算影响图像的处理速度，本实施例中，将包含像素点最多的像素区域作为目标像素区域，从而可以节约系统资源、提高图像处理速度。
在一种具体的实施方式中，如图7所示，目标图像生成模块203具体包括：第一边缘获取单元2011、第二边缘获取单元2012及过渡区域生成单元2013及目标图像生成单元2014。
第一边缘获取单元2011用于获取第一图像的第一边缘像素区域；
第二边缘获取单元2012用于获取第二图像中与第一边缘像素区域相邻的第二边缘像素区域；
过渡区域生成单元2013用于将第一边缘像素区域与第二边缘像素区域进行亮度均衡处理以生成过渡区域；
目标图像生成单元2014用于根据第一图像中除第一边缘像素区域以外的区域、第二图像中除第二边缘像素区域以外的区域及过渡区域生成目标像素区域。
本实施例中，由于第一图像是经过处理了的图像，而第二图像是未经处理的图像，因此，在第一图像与第二图像的交界处可能会出现图像效果差异过大的情况，因此，本实施例中对交界处，即第一边缘像素区域及第二边缘像素区域进行亮度均衡处理，从而使经过增强处理的区域与未经增强处理的区域的过渡更自然，最终达到改善整张图像显示效果的目的。
在一种具体的场景下，可以在第一图像图第二图像的交界处通过一6像素*6像素的滑动窗口以一定步长进行滑动，将图像增强区域与未处理的区域进行亮度均衡处理。
本实施例中，默认当前的模式为背光模式，以执行上述图像处理方法，而当当前的模式不为背光模式时，可以在接收到背光模式切换指令时，再执行上述图像处理方法。
在其他的实施例中，也可以自动检测背光模式，如，目标区域获取模块201还可以进一步获取目标像素区域的亮度值，如果亮度值低于目标亮度值，则说明当前是在背光的场景下进行的图像拍摄，因此可以调用图像增强模块202，如果亮度值没有低于目标亮度值，则说明当前不是在背光的场景下进行的图像拍摄，因此可以不进行后续处理。
本实施例中，可以通过用户的指令切换至背光模式以进行图像处理，提高了图像处理的灵活度，也可以通过自动识别背光模式的方式进行图像处理，提高了图像处理的智能性。
实施例3
本实施例提供一种电子设备，电子设备可以通过计算设备的形式表现(例如可以为服务器设备)，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中处理器执行计算机程序时可以实现实施例1中图像处理方法。
图8示出了本实施例的硬件结构示意图，如图8所示，电子设备9具体包括：
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93，其中：
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925，这样的程序模块924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1中图像处理方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且，电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备9使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1中图像处理方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1中图像处理方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种图像处理方法，其特征在于，所述图像处理方法包括以下步骤：
在成像区域获取目标对象所在的目标像素区域；
增强所述目标像素区域的图像以生成第一图像；
根据所述第一图像及第二图像生成目标图像，所述第二图像为所述成像区域中除所述目标像素区域以外的其他像素区域的图像。
2.如权利要求1所述的图像处理方法，其特征在于，所述在成像区域获取目标对象所在的目标像素区域的步骤具体包括：
当在成像区域获取到多个像素区域时，将包含像素点最多的像素区域作为目标像素区域。
3.如权利要求1所述的图像处理方法，其特征在于，所述根据所述第一图像及第二图像生成目标图像的步骤具体包括：
获取所述第一图像的第一边缘像素区域；
获取所述第二图像中与所述第一边缘像素区域相邻的第二边缘像素区域；
将所述第一边缘像素区域与所述第二边缘像素区域进行亮度均衡处理以生成过渡区域；
根据所述第一图像中除所述第一边缘像素区域以外的区域、所述第二图像中除所述第二边缘像素区域以外的区域及所述过渡区域生成目标像素区域。
4.如权利要求1所述的图像处理方法，其特征在于，所述图像处理方法还包括：在接收到背光模式切换指令时，执行所述在成像区域获取目标对象所在的目标像素区域、增强所述目标像素区域的图像以生成第一图像及根据所述第一图像及第二图像生成目标图像的步骤；
或，
所述在成像区域获取目标对象所在的目标像素区域的步骤后还包括：当所述目标像素区域的亮度值低于目标亮度时，执行所述增强所述目标像素区域的图像以生成第一图像的步骤。
5.如权利要求1所述的图像处理方法，其特征在于，所述在成像区域获取目标对象所在的目标像素区域的步骤具体包括：通过YOLO模型在成像区域获取目标对象所在的目标像素区域；和/或，
所述增强所述目标像素区域的图像以生成第一图像的步骤具体包括：通过图像增强算法增强所述目标像素区域的图像以生成第一图像。
6.一种图像处理系统，其特征在于，所述图像处理系统包括目标区域获取模块、图像增强模块及目标图像生成模块；
所述目标区域获取模块用于在成像区域获取目标对象所在的目标像素区域；
所述图像增强模块用于增强所述目标像素区域的图像以生成第一图像；
所述图像生成模块用于根据所述第一图像及第二图像生成目标图像，所述第二图像为所述成像区域中除所述目标像素区域以外的其他像素区域的图像。
7.如权利要求6所述的图像处理系统，其特征在于，所述目标区域获取模块具体用于当在成像区域获取到多个像素区域时，将包含像素点最多的像素区域作为目标像素区域。
8.如权利要求6所述的图像处理系统，其特征在于，所述目标图像生成模块具体包括：第一边缘获取单元、第二边缘获取单元及过渡区域生成单元及目标图像生成单元；
所述第一边缘获取单元用于获取所述第一图像的第一边缘像素区域；
所述第二边缘获取单元用于获取所述第二图像中与所述第一边缘像素区域相邻的第二边缘像素区域；
所述过渡区域生成单元用于将所述第一边缘像素区域与所述第二边缘像素区域进行亮度均衡处理以生成过渡区域；
所述目标图像生成单元用于根据所述第一图像中除所述第一边缘像素区域以外的区域、所述第二图像中除所述第二边缘像素区域以外的区域及所述过渡区域生成目标像素区域。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的图像处理方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述的图像处理方法的步骤。
CN202110671351.5A 2021-06-17 2021-06-17 图像处理方法、系统、电子设备及存储介质 Pending CN113506225A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110671351.5A CN113506225A (zh) 2021-06-17 2021-06-17 图像处理方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110671351.5A CN113506225A (zh) 2021-06-17 2021-06-17 图像处理方法、系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN113506225A true CN113506225A (zh) 2021-10-15

Family

ID=78010004

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110671351.5A Pending CN113506225A (zh) 2021-06-17 2021-06-17 图像处理方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113506225A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101510302A (zh) * 2009-03-25 2009-08-19 北京中星微电子有限公司 一种图像增强方法和装置
CN108737750A (zh) * 2018-06-07 2018-11-02 北京旷视科技有限公司 图像处理方法、装置及电子设备
CN109379625A (zh) * 2018-11-27 2019-02-22 Oppo广东移动通信有限公司 视频处理方法、装置、电子设备和计算机可读介质
CN111402135A (zh) * 2020-03-17 2020-07-10 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101510302A (zh) * 2009-03-25 2009-08-19 北京中星微电子有限公司 一种图像增强方法和装置
CN108737750A (zh) * 2018-06-07 2018-11-02 北京旷视科技有限公司 图像处理方法、装置及电子设备
CN109379625A (zh) * 2018-11-27 2019-02-22 Oppo广东移动通信有限公司 视频处理方法、装置、电子设备和计算机可读介质
CN111402135A (zh) * 2020-03-17 2020-07-10 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
US11128809B2 (en) System and method for compositing high dynamic range images
EP3579544B1 (en) Electronic device for providing quality-customized image and method of controlling the same
US11025814B2 (en) Electronic device for storing depth information in connection with image depending on properties of depth information obtained using image and control method thereof
KR102345579B1 (ko) 이미지 관련 서비스를 제공하기 위한 방법, 저장 매체 및 전자 장치
KR102603426B1 (ko) 이미지 처리장치 및 방법
US20200244885A1 (en) Photographing method and electronic apparatus
US20170345165A1 (en) Correcting Short Term Three-Dimensional Tracking Results
KR20180003235A (ko) 전자 장치 및 전자 장치의 이미지 촬영 방법
US10911691B1 (en) System and method for dynamic selection of reference image frame
KR20180011539A (ko) 영상의 처리를 위한 전자 장치
CN113706414B (zh) 视频优化模型的训练方法和电子设备
KR102272108B1 (ko) 영상 처리 장치 및 방법
CN115061770B (zh) 显示动态壁纸的方法和电子设备
KR20160055534A (ko) 전자 장치의 주변 환경에 기반한 컨텐트 적응 방법 및 그 전자 장치
KR20170092772A (ko) 이미지 처리장치 및 방법
KR20210063223A (ko) 멀티태스크 융합 신경망 아키텍처
CN115661912B (zh) 图像处理方法、模型训练方法、电子设备及可读存储介质
US11388348B2 (en) Systems and methods for dynamic range compression in multi-frame processing
KR20160103444A (ko) 이미지 처리 방법과 이를 지원하는 전자 장치
CN114727029B (zh) 视频的处理方法、装置、电子设备及存储介质
CN113506225A (zh) 图像处理方法、系统、电子设备及存储介质
KR20230000932A (ko) 이미지를 분석하는 방법 및 분석 장치
CN113783999A (zh) 控制终端显示的方法、装置以及计算机可读介质
US20230237623A1 (en) System and method for noise reduction for blending blurred frames in a multi-frame system
US20230252604A1 (en) Learning based discrete cosine noise filter

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211015